AI词典
-
【AI词典】剪枝Pruning - 精简神经网络模型的方法2026-04-20
剪枝Pruning：神经网络模型的“精简术”剪枝（Pruning）是神经网络模型压缩的一种核心技术，旨在识别并移除网络中冗余或不重要的连接（权重）、神经元乃至整个层，从而在保持模型性能基本不变的前提下，显著减小模型规模、降低计算复杂度和能耗。原理：如何实现模型的“瘦身”？可以将一个训练好的神经网络想象
查看详情>> -
【AI词典】量化 - 降低模型精度以提升效率2026-04-20
量化（Quantization）的定义量化（Quantization）是一种通过降低神经网络模型中数值的表示精度（如从32位浮点数转换为8位整数），来压缩模型体积、提升计算与推理效率的核心模型优化技术。其核心目标是在尽可能保持模型性能的前提下，实现模型在资源受限环境（如移动设备、边缘计算芯片）中的高效部署。量化是如何工
查看详情>> -
【AI词典】参数量 - 机器学习模型中的可调整变量总数2026-04-20
定义参数量（Parameters）是构成机器学习模型核心架构的可调整变量总数，它直接决定了模型从数据中学习和存储知识的能力与容量。原理可以将一个机器学习模型想象成一个极其复杂的数学函数。这个函数内部有无数个“旋钮”，每个“旋钮”就是一个参数。在训练过程中，算法通过海量数据不断微调这些“旋钮”的角度，目
查看详情>> -
AIGC：颠覆内容创作的智能革命，未来已来2026-04-20
AIGC：内容创作领域的“寒武纪大爆发”当ChatGPT以惊人的对话能力引发全球关注，当Midjourney绘制的图像在艺术比赛中获奖，当Sora生成的视频模糊了虚拟与现实的边界，一个全新的时代正呼啸而来。这不仅仅是工具的迭代，而是一场深刻的生产力革命。
查看详情>> -
Decoder 是什么：原理、演进与 2026 年大模型应用全面解析2026-04-20
一句话定义Decoder（解码器）是一种仅利用自注意力机制，通过因果掩码按序生成序列数据的神经网络架构，是大语言模型的核心引擎。技术原理：从“翻译官”到“创作者”的进化要真正理解Decoder是什么，我们需要穿越回Transformer架构诞生的2017年。
查看详情>> -
【AI词典】上下文窗口 - 模型单次处理的最大文本长度2026-04-20
定义：什么是上下文窗口？上下文窗口（ContextWindow），指大型语言模型在单次推理过程中，能够接收并处理的输入文本（包括用户提示词、系统指令及历史对话等）的最大长度限制，通常以令牌（Token）数量来衡量。原理：上下文窗口如何工作？您可以将上下文窗口想象成一个“工作记忆白板”。当您向AI提问
查看详情>> -
【AI词典】幻觉Hallucination - 生成模型输出不实或虚构内容的现象2026-04-20
幻觉（Hallucination）的定义幻觉（Hallucination），在人工智能领域，特指以大型语言模型为代表的生成式模型，在输出内容时产生看似合理但事实上不准确、无依据或完全虚构信息的一种现象。这种现象并非模型有意“欺骗”，而是其基于统计概率生成文本时产生的内在缺陷。幻觉的工作原理可以将生成式
查看详情>> -
【AI词典】Multi-Agent多智能体 - 多个自主智能体协同工作的系统2026-04-20
定义多智能体（Multi-Agent）是指由多个具备自主感知、决策与行动能力的智能体（Agent）通过交互与协作，共同完成复杂任务的系统。其核心在于去中心化的协同，而非单个智能体的孤立性能。原理多智能体系统的工作原理类似于一个高效的人类团队。每个智能体如同团队中的一名专家，拥有自己的“知识库”（环境模
查看详情>> -
【AI词典】Agent智能体 - 能感知环境并自主行动的智能实体2026-04-20
Agent智能体：定义Agent智能体（AIAgent），指在人工智能领域中，能够通过传感器或数据接口感知环境状态，并基于内部目标与策略自主决策、执行行动以影响环境的智能实体。其核心在于“自主性”，即能在无人为直接干预的情况下，为实现特定目标而持续运作。Agent智能体如何工作？一个典型的Agent
查看详情>> -
【AI词典】RAG检索增强生成 - 结合检索与生成的AI技术2026-04-19
RAG检索增强生成：定义RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种将信息检索系统与大型语言模型（LLM）生成能力相结合的AI技术框架。其核心在于，模型在生成答案前，会先从外部知识库中实时检索相关文档作为依据，从而提升生成内容的准确性、时效性与事实可靠性。RAG检索增强生成
查看详情>>